دوره یکپارچه‌سازی داده در Amazon DynamoDB با رویکرد Zero-ETL همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یکپارچه‌سازی داده در Amazon DynamoDB با رویکرد Zero-ETL

موضوع کلی: مدیریت داده و پایگاه داده

موضوع میانی: پایگاه داده‌های NoSQL و ابزارهای ابری

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدیریت داده و پایگاه داده
• 2. مبانی پایگاه داده‌های رابطه‌ای
• 3. معماری پایگاه داده‌های مدرن
• 4. نیاز به پایگاه داده‌های غیررابطه‌ای
• 5. معرفی پایگاه داده‌های NoSQL
• 6. انواع پایگاه داده‌های NoSQL
• 7. پایگاه داده‌های کلید-مقدار
• 8. پایگاه داده‌های سندی
• 9. پایگاه داده‌های ستونی
• 10. پایگاه داده‌های گراف
• 11. مزایای پایگاه داده‌های NoSQL
• 12. معایب پایگاه داده‌های NoSQL
• 13. معرفی Amazon DynamoDB
• 14. ویژگی‌های کلیدی DynamoDB
• 15. مدل داده DynamoDB
• 16. جداول و آیتم‌ها در DynamoDB
• 17. کلیدهای اصلی و شاخص‌های ثانویه
• 18. عملیات CRUD در DynamoDB
• 19. توابع Global Secondary Indexes
• 20. توابع Local Secondary Indexes
• 21. مطابقت‌پذیری داده در DynamoDB
• 22. مدیریت ظرفیت در DynamoDB
• 23. ظرفیت خواندن و نوشتن
• 24. تنظیم خودکار ظرفیت
• 25. حالت‌های ظرفیت Provisioned و On-Demand
• 26. پشتیبان‌گیری و بازیابی در DynamoDB
• 27. نسخه‌بندی آیتم‌ها
• 28. مدیریت زمان حیات (TTL)
• 29. امنیت در DynamoDB
• 30. کنترل دسترسی مبتنی بر نقش (IAM)
• 31. رمزگذاری داده‌ها در حالت سکون
• 32. رمزگذاری داده‌ها در حال انتقال
• 33. معرفی مفهوم Zero-ETL
• 34. چالش‌های ETL سنتی
• 35. مزایای Zero-ETL
• 36. معرفی DynamoDB Streams
• 37. کاربرد DynamoDB Streams
• 38. پردازش رویدادهای DynamoDB Streams
• 39. یکپارچه‌سازی DynamoDB Streams با AWS Lambda
• 40. یکپارچه‌سازی DynamoDB Streams با Kinesis Data Firehose
• 41. معرفی AWS Glue
• 42. نقش AWS Glue در Zero-ETL
• 43. جداول AWS Glue Data Catalog
• 44. استفاده از AWS Glue برای تبدیل داده
• 45. یکپارچه‌سازی AWS Glue با DynamoDB
• 46. معرفی Amazon Kinesis Data Streams
• 47. کاربرد Kinesis Data Streams در Zero-ETL
• 48. ارسال داده از DynamoDB به Kinesis
• 49. پردازش داده در Kinesis Data Streams
• 50. یکپارچه‌سازی Kinesis Data Streams با AWS Lambda
• 51. یکپارچه‌سازی Kinesis Data Streams با Kinesis Data Firehose
• 52. معرفی Amazon Kinesis Data Firehose
• 53. تحویل داده از Kinesis به مقاصد مختلف
• 54. ذخیره‌سازی داده در Amazon S3
• 55. تحلیل داده در Amazon Redshift
• 56. تحلیل داده در Amazon OpenSearch Service
• 57. یکپارچه‌سازی DynamoDB با S3 در رویکرد Zero-ETL
• 58. استفاده از DynamoDB برای تحلیل داده در زمان واقعی
• 59. معرفی AWS Lake Formation
• 60. مدیریت دسترسی به داده در دریاچه داده
• 61. امنیت دریاچه داده با Lake Formation
• 62. یکپارچه‌سازی DynamoDB با Lake Formation
• 63. معرفی AWS Step Functions
• 64. هماهنگ‌سازی گردش کار Zero-ETL
• 65. مدیریت خطا در گردش کار
• 66. نمونه‌های عملیاتی Zero-ETL با DynamoDB
• 67. سناریوی اول: تحلیل داده‌های مشتری
• 68. سناریوی دوم: گزارش‌دهی مالی
• 69. سناریوی سوم: مانیتورینگ عملکرد برنامه
• 70. بهینه‌سازی عملکرد در DynamoDB
• 71. انتخاب کلید اصلی مناسب
• 72. طراحی شاخص‌های کارآمد
• 73. مدیریت ظرفیت بهینه
• 74. نکات امنیتی در Zero-ETL
• 75. مدیریت دسترسی به سرویس‌های AWS
• 76. رمزگذاری داده‌ها در تمامی مراحل
• 77. پایش و ثبت وقایع (Logging)
• 78. استفاده از AWS CloudTrail
• 79. استفاده از Amazon CloudWatch
• 80. ملاحظات هزینه‌ای در Zero-ETL
• 81. بهینه‌سازی هزینه‌ها
• 82. انتخاب استراتژی مناسب ظرفیت
• 83. مدیریت داده‌های آرشیوی
• 84. آینده Zero-ETL و پایگاه داده‌های ابری
• 85. روندهای نوظهور در مدیریت داده
• 86. نقش هوش مصنوعی در Zero-ETL
• 87. چالش‌های پیاده‌سازی Zero-ETL در مقیاس بزرگ
• 88. آینده یکپارچه‌سازی داده در محیط ابری
• 89. جمع‌بندی و توصیه‌های نهایی
• 90. مرور مفاهیم کلیدی Zero-ETL
• 91. بهترین شیوه‌ها در طراحی و پیاده‌سازی
• 92. مطالعات موردی پیشرفته
• 93. راهنمای عیب‌یابی رایج
• 94. منابع تکمیلی برای مطالعه بیشتر